大东庄煤矿瓦斯涌出量预测

提出了一种基于最小二乘支持向量机(LS-SVM)的回采工作面瓦斯涌出量预测新方法.一方面,该方法基于结构风险最小化,能较好地解决小样本学习问题,避免了人工神经网络等智能方法在对回采工作面瓦斯涌出量进行

从提高采煤工作面瓦斯涌出量预测的速度和精度入手,将遗传算法与神经网络2种非线性最优化算法的优势加以融合,提出了一种利用遗传算法同时优化BP网络的连接权和拓扑结构的网络模型,并以韩城下峪口煤矿为例,进行

介绍矿井瓦斯涌出量预测方法国内外研究现状,重点介绍了分源预测法的系统研究及应用情况。

矿井瓦斯涌出量预测为矿井、采区和工作面通风提供瓦斯涌出方面的基础数据,其预测精度直接决定着矿井的安全生产。在白龙山煤矿一井井田地勘瓦斯资料和地质资料分析的基础上,根据矿井开拓方式、煤层赋存及煤质、煤层

介绍了煤层处于瓦斯风化带内的高头窑煤矿瓦斯涌出量预测技术。通过对该矿各煤层地质钻孔测得的瓦斯含量数据进行针对性的筛选和修正,并对各煤层瓦斯成分进行分析处理后,采用矿井瓦斯涌出量预测方法对该矿的矿井瓦斯

针对采用分源预测法预测国阳二矿8号煤层邻近层瓦斯涌出量时出现预测值远低于实测值的情况,分析其产生误差的原因发现,未考虑采动影响下8号煤层下邻近层含瓦斯K3、K4灰岩层的瓦斯涌出,是造成8号煤邻近层瓦斯

根据实测金地井田8#、13#煤层瓦斯含量和气体组分实验室测定结果,结合金地井田的地质构造特征及煤层瓦斯垂直分带理论,分析认为:金地井田范围内8#、13#煤层均处于瓦斯风化带。同时应用分源预测法对金地井

结合井田的瓦斯涌出量资料,综合考虑瓦斯涌出量的开采技术因素与自然因素等影响,运用分源预测法对开滦(集团)荆各庄矿分层开采的9#煤未采区瓦斯涌出量预测研究,得出了9#煤的瓦斯涌出量与煤层标高的密切关系,

结合灰色系统理论和马尔可夫链理论，提出了灰色马尔可夫预测模型来预测矿井瓦斯涌出量。 GM（1，1）模型首先建立用于灰色数据的模型。 为了消除误差，提高模型的预测精度，在GM（1，1）模型的基础上进行了

随着煤矿瓦斯防治工作的逐步深入和瓦斯治理措施的逐步规范,煤矿瓦斯事故呈稳定下降趋势,但在煤矿生产事故统计中,瓦斯事故却还一直占据较大的比例,因此需深入掌握矿井工作面风流中的瓦斯分布,通过优化通风方案、